235 base de données des analyses de terre - afes · summary the french national soil-test...

Reçu: mars 2004; Accepté: juillet 2004 Étude et Gestion des Sols, Volume 11, 3, 2004 - pages 235 à 253

235

N. Saby(1), C. Schvartz(2), C. Walter(3), D. Arrouays(1), B. Lemercier(3), N. Roland(2)

et H. Squividant(3)

(1) INRA CR d’Orléans, Unité INFOSOL, Avenue de la Pomme de Pin, BP 20619 Ardon - 45166 Olivet Cedex

(2) ISA, Laboratoire Sols et Environnement, 41, rue du Port - 59046 Lille Cedex

(3) UMR ENSA-INRA SAS, 65, rue de Saint-Brieuc CS 84215 - 35042 Rennes

RÉSUMÉ

A partir d’informations transmises par les laboratoires d’analyses de terre agréés par le Ministère en charge de l’Agriculture, une base dedonnées des résultats d’analyses de terre a été constituée. Cette base de données concerne les analyses effectuées sur des échantillonsde terre prélevés sur l’ensemble du territoire national entre 1995 et 2000. De telles bases ont déjà été constituées au niveau régional depuisles années 80 et au niveau national sur la période 1990-1994.Dans un premier temps, nous exposons la démarche de la collecte qui s’articule autour d’étapes aujourd’hui clairement définies, avec notam-ment l’explicitation des procédures de validation des résultats d’analyses avant leur intégration à la base de données (validation informatique,analytique et géographique). Plus de 490000 résultats d’analyses ont ainsi été rassemblés correspondant à plus de 4700000 détermi-nations. A partir de cet ensemble, une base de données cantonale a été construite par traitement statistique où la distribution de plusieursdéterminations agronomiques est décrite pour environ 2800 cantons suffisamment renseignés parmi les 3511 existants.Dans un deuxième temps, les données sont décrites à la fois au niveau national et au niveau cantonal. La représentation cartographiqueà partir de critères statistiques montre des structures spatiales sur des grandes distances, y compris pour les propriétés à forte variabili-té locale. Ces résultats confirment les acquis de la précédente campagne tout en permettant une caractérisation quantitative de ces struc-tures. De plus, cette nouvelle campagne permet d’obtenir une cartographie plus exhaustive du territoire.Cette démarche consiste, par voie d’enquête et à moindres frais, à compiler de nombreux résultats, qui permettent d’obtenir une visionglobale de l’ensemble d’un territoire et de dégager des tendances. Elle vient en complément de démarches expérimentales ou de pro-grammes de cartographie et de surveillance du GIS Sol, mieux à même de caractériser les sols dans leur globalité et de déceler leur évo-lution.Mots clésAnalyses de terre, base de données, qualité des sols, surveillance, cartographie.

Base de Données des Analyses de Terre :Procédure de collecte et résultats de la campagne 1995-2000

SUMMARYTHE FRENCH NATIONAL SOIL-TEST DATABASE : procedures and results for the collection period of 1995-2000

A national soil information database has been compiled using data generated by commercial soil-testing laboratories that have been appro-ved by the Ministry of Agriculture. This database includes analytical data obtained from samples of cultivated topsoil collected over theperiod 1995-2000. Similar databases had been compiled at both regional and national scales over the period 1985-1995.In this paper, we detail the different steps of data compilation and the data validation procedures. The analytical soil results from more than490,000 soil samples were gathered, corresponding to more than 4,700,000 individual soil data. A database describing topsoil of ‘canton’was built by statistical processing of the original database. The distribution of several agronomically-important topsoil properties is des-cribed for those ‘canton’ where sufficient soil information exists ; approximately 2 800 among 3 511 meet this criterion.We also describe the data at both national and county scales. The cartographic representations using statistical criteria show large-rangespatial structures, even for soil properties with high local variability. These results confirm the findings of the preceding soil data collec-tions, but also allow a quantitative characterisation of these structures. Furthermore, this new collection of soil data represents a more exhaus-tive of topsoil information for France.The French national soil-test database is a relevant tool for a broad-scale study of pedological, agronomic or environmental questions concer-ning topsoil and for temporal monitoring of these properties. However, it is only a complementary tool for both experimental research pro-grams and for the cartographic and monitoring programs of the GIS Sol. These programs are more appropriate for globally characterisingsoils and for monitoring their evolution.Key-wordsSoil testing, data base, soil quality, monitoring.

RESUMENBANCOS DE DATOS DE LOS ANÁLISIS DE TIERRA : Colecta de los análisis efectuados entre 1995 y 2000

A partir de las informaciones transmitidas por los laboratorios de análisis de tierra aprobados por el ministerio en carga de la agricultura,se constituyo un banco de datos de los resultados de análisis de tierra. Este banco de datos concierne los análisis efectuados sobre lasmuestras de tierra colectadas sobre la totalidad del territorio nacional entre 1995 y 2000. Un tal banco ya se constituyo en el periodo 1990– 1994.En un primer paso, presentamos el enfoque de la colecta que se articula alderredor de etapas hoy claramente definidas, con particular-mente la explanación de los métodos de validación de los resultados de análisis antes de su integración al banco de datos. (Validacióninformática, analítica y geográfica). Más de 490 000 resultados de análisis fueron así agrupados que corresponden a más de 4 700 000determinaciones. A partir de este banco, un banco de datos cantonal se construyo por tratamiento estadístico donde la distribución devarias determinaciones agronómicas se describe para 2000 cantones que tienen suficientemente datos dentro de los 3 511 existentes.En un secundo tiempo, se describe los datos en el mismo tiempo al nivel nacional y cantonal. La representación cartográfica a partir delos criterios estadísticos muestra estructuras espaciales de grandes superficies, incluido para las propiedades con fuerte variabilidad local.Estos resultados confirman los resultados de la precedente campaña y permiten una caracterización cuantitativa de estas estructuras.Además, esta nueva campaña permite obtener una cartografía más exhaustiva del territorio.Este enfoque adoptado consiste, por vía de encuestas y con menos gastos, compilar numerosos resultados que permiten obtener unavisión global de todo un territorio y desempeñar tendencias. Viene en complemento de enfoques experimentales o de programas de car-tografía y de vigilancia del GIS suelo, más capaz de caracterizar los suelos en sus globalidad y de revelar su evolución. Palabras clavesBanco de datos, análisis de tierra, cualidad suelos, cartográfia

Étude et Gestion des Sols, 11, 3, 2004

236 N. Saby, C. Schvartz, C. Walter, D. Arrouays, B. Lemercier, N. Roland et H. Squividant

L'importance du rôle des sols dans l'environnement et lanécessité de sa protection sont de plus en plus reconnues.Après la mise en place des politiques relatives à la qua-

lité de l'eau et de l'air, des mesures sont en cours d'élaboration concer-nant les sols, tant au niveau national qu'européen. Dans ce cadre,le Gis Sol a été créé en France par les ministères chargés de l'agri-culture et de l'écologie, l'ADEME, l'IFEN et l'INRA (voir le site :http://gissol.orleans.inra.fr/index.php). Les documents publiés parla commission européenne depuis 2002 fixent des objectifs de pro-tection des sols qui préfigurent les orientations principales de la direc-tive européenne sur les sols qui est en préparation (voir le site :http://europa.eu.int/comm/environment/soil/).

Cependant, il faut constater que malgré les efforts réalisésdepuis plusieurs décennies, le territoire français n'est encore que par-tiellement couvert par des études cartographiques et pédologiquesou par des dispositifs de surveillance systématiques de la qualité dessols. Les données nécessaires à la mise en œuvre des politiquesenvisagées ne sont donc pas totalement disponibles. L'un desobjectifs du Gis Sol est de développer, de coordonner et d'harmo-niser les différentes actions menées sur le territoire national quiconcourent à une meilleure connaissance et à une meilleure ges-tion des sols français.

Or, les agriculteurs réalisent annuellement de l'ordre de 250000analyses de terre pour contrôler l'état des terres qu'ils cultivent et rai-sonner les quantités de fertilisants nécessaires. Ces analysesconcernent principalement des horizons de surface de parcelleslabourées et secondairement des parcelles affectées à d'autresusages (prairies, vergers, vignes) ou des prélèvements plus profonds.Bien que ce nombre d'analyses paraisse relativement peu important,surtout après que l'on ait retiré les résultats trop spécifiques commeles reliquats azotés, et que les prélèvements ne soient pas réalisésde façon planifiée, le regroupement de tous ces résultats permet dedisposer d'une source d’information très intéressante sur la varia-bilité spatiale des sols cultivés. En effet, il s'agit là de données lar-gement réparties sur l'ensemble du territoire, détaillées (en moyen-ne une dizaine de paramètres sont déterminés pour chaqueéchantillon) et datées.

Un stockage de telles données a été entrepris et des bases dedonnées d’analyses de terre (BDAT) constituées et exploitées enFrance, aux échelles nationale et régionale depuis une vingtaine d'an-nées (Leleux et al., 1988; Schvartz, 1989; Walter et al., 1997).Cette réalisation a été doublement facilitée par le fait que les labo-ratoires fournisseurs de données utilisent les mêmes méthodesd'analyses normalisées. Une approche analogue serait actuellementdélicate à conduire au niveau européen, à cause de la diversité desméthodes d'analyses utilisées dans les différents pays: la tentativeeuropéenne récente de regrouper les résultats d'ETM n'a pu êtremenée à bien car les résultats, n'étant pas obtenus par les mêmesméthodes n'étaient pas comparables. Cet état de fait risque dechanger, puisqu’un comité de normalisation européen sur la carac-térisation des sols vient d'être créé (CEN 345) et que les normes qu'ilédictera devront être appliquées dans tous les états membres. Par

Base de Données d’Analyses de Terre 237


ailleurs, au niveau français, l'agrément des laboratoires par leMinistère chargé de l'agriculture apporte également une garantie dequalité des résultats.

Quelles sont les nouveautés de l'action actuelle? L'intégration decette base de données d'analyses de terre dans les projets du GisSol, à travers l'unité InfoSol de l'INRA, montre la volonté de l'inscri-re dans la durée et de remplacer les actions ponctuelles par un par-tenariat plus global établi sur le long terme avec les laboratoires.L'objectif est de revenir tous les 2 à 3 ans vers chacun d'eux et deréaliser ainsi une collecte continue des données. Ce pas de tempsa été choisi pour étaler et optimiser les opérations de récolte de résul-tats, sans nuire aux possibilités de suivi temporel de paramètres quine varient pas trop rapidement. Une originalité est donc de se don-ner les moyens de disposer d'un suivi dynamique des caractéristiquesdes sols cultivés français. Ce suivi peut cependant être entamé dèsà présent en comparant les données récemment acquises à cellesde la période 1990-1994. Enfin, l'organisation évolutive de cette col-lecte permet à tout moment l'intégration d'un laboratoire pour lequella fourniture de données n'était jusqu'alors pas possible.

Par ailleurs, la formalisation des relations avec les laboratoirespermet de clarifier les conditions d'utilisation des données et de garan-tir formellement les intérêts des agriculteurs et des laboratoires, touten préservant les possibilités de traitement scientifique des données.Les précautions à prendre pour une diffusion publique des résultatssont également précisées. A cet égard, s'il est nécessaire de disposerde la localisation communale pour chacun des paramètres afinnotamment d'optimiser la finesse des recherches conduites à par-tir de ces résultats, les diffusions publiques ne concernent que desstatistiques cantonales.

Le présent article a pour but, après avoir présenté les diffé-rentes phases de la récolte 1995-2000 et la procédure mise au pointpour normaliser la validation des données reçues, de présenter lecontenu de la BDAT ainsi acquise, ainsi qu'une première exploita-tion de son contenu. Ensuite un premier regroupement avec les don-nées précédentes sera analysé, en ce qui concerne la texture et lacomparaison de celle-ci avec les données issues de la carte pédo-logique au 1/1 000000.

MATÉRIELS ET MÉTHODESSchvartz et al. (1997) ont mis en place une méthodologie de col-

lecte d’analyses de terre sur l’ensemble du territoire national. Seulsquelques éléments clés et les principales évolutions de cette métho-dologie sont exposés ici.

L’origine des données

Les laboratoiresLes résultats d’analyses collectés proviennent de laboratoires

ayant satisfait à une procédure d’agrément proposée par le minis-

culture et le laboratoire fournisseur de données. Elle informe notam-ment sur les droits d’utilisation des données, ainsi qu’un certainnombre d’exigences auxquelles doivent répondre les résultatsd’analyse fournis. Les principales sont les suivantes:- information sur le géoréférencement de la commune d’originedu prélèvement analysé,- présence de 5 déterminations dont le carbone organique,- documentation des données (méthode de mesure et unité d’ex-pression de la mesure).

La validation des donnéesLes données reçues sont soumises à 3 étapes successives de

tère en charge de l’Agriculture et dont la liste est fournie par l’arrê-té du 31 octobre 2001. 25 des 42 laboratoires agréés ont, à ce jour,répondu favorablement à la demande de transfert des résultatsd’analyses réalisées entre 1995 et 2000 et ont fourni leurs données(figure 1 et tableau 1). 17 n’ont pas participé à cette collecte, soit enraison de difficultés informatiques, soit par manque de données, soitsuite à un refus motivé par des stratégies commerciales.

Le conventionnementA la différence de la première collecte, la demande d’analyses

a été assortie d’une convention réglant les termes du transfert desdroits d’utilisation des données. Cette convention tripartite impliquel’INRA Orléans (unité INFOSOL), le ministère en charge de l’agri-



Figure 1 - Nombre d’analyses par canton et noms des laboratoires ayant fourni des donnéesFigure 1 - Maps of the number of analyses available in a ‘canton’ and names of the laboratories.

validation: informatique, analytique et géographique. Le contenu deces étapes est guidé par les termes de la convention (figure 2).

Validation informatiqueToutes les données ont été fournies sous des formats informa-

tiques standards aisément récupérables tels que Dbase, ASCII,etc. Le regroupement au sein d’une seule base de données géréedans un SGBD n’a pas entraîné de perte significative de données.

Validation analytiqueBien que résultats proviennent de méthodes analytiques normées,

la façon d’exprimer les résultats peut varier. C’est en particulier lescas des unités employées. Nous avons donc transformé les donnéesreçues afin d’obtenir une homogénéité satisfaisante des donnéestraitées par la suite. D’autre part, les analyses ne disposant pas des



5 déterminations demandées sont éliminées. Enfin, les résultatsd’analyses faisant doublon sont systématiquement éliminés.

Validation géographiqueL’information de base permettant de localiser un résultat d’ana-

lyse est la commune de la parcelle d’où provient l’échantillon ana-lysé.

Cette information a été fournie, majoritairement, sous la formedu code INSEE (forme archivée dans la base de données).Cependant, beaucoup de résultats ont été fournis avec le nom dela commune et son code postal. Ceux-ci doivent donc être conver-tis ; si la conversion n’est pas possible, l’analyse est éliminée.

D’autre part, certains résultats d’analyses sont référencés à descommunes fortement urbanisées ou correspondant à des sièges oubureaux d’organismes ayant une fonction de centralisation par rap-

Tableau 1 - Laboratoires agréés participant à la collecte 1995-2000Table 1 - Names of the laboratories which sent analyses

Sigle du laboratoire Nom du laboratoire Ville départementSAA Station agronomique de l'Aisne Laon 02LCA Laboratoire centre atlantique La Rochelle 17LDA 22 Laboratoire départemental d'analyses 22 Ploufragan 22LACO Laboratoire coopératif d'œnologie Suze-la-Rousse 26AGRILABO Laboratoire analyses de terre de fourrages d'aliments du bétail Morlaix 29COOPAGRI 29 COOPAGRI Bretagne laboratoire central Landerneau 29ES Europe sols SA Toulouse 31LCA Laboratoire centre atlantique Blanquefort 33LDA 35 Laboratoire départemental d'analyses agricoles Combourg 35LDA 37 Laboratoire de Touraine Tours 37LDA 41 Laboratoire départemental agronomique et oenologique Blois 41CANA Coopérative agricole La Noëlle-Ancenis Ancenis 44IDAC Institut départemental d'analyse et de conseil Nantes 44LDA 45 Chambre d'agriculture du Loiret laboratoire Orléans 45LANO Laboratoire agronomique de Normandie Saint-Lô 50CAMA Laboratoire chaîne d'analyses Marne-Ardennes Reims 51CAM Coopérative des agriculteurs de la Mayenne Laval 53LVD Laboratoire vétérinaire départemental Laval 53LDA 56 Laboratoire départemental d'analyse du Morbihan Vannes 56INRA Institut national de la recherche agronomique Arras 62CACG Compagnie d'aménagement des coteaux de Gascogne Tarbes 65SADEF Société alsacienne pour le développement et l'étude de la fertilité Aspach-le-Bas 68LDA 71 Laboratoire départemental de chimie agricole et d'œnologie Mâcon 71LARCA 72 Laboratoire de la chambre d'agriculture de la Sarthe Le Mans 72EDE 87 Chambre d'agriculture départementale de la Haute-Vienne laboratoire Limoges 87



Figure 2 - Algorithme de mise en banque d’un nouveau laboratoire (1 : validation informatique ; 2 : validation analytique ; 3 : validation géographique)Figure 2 - New data laboratory integration Algorithm (1 : data validation ; 2: analytical validation ; 3: spatial validation)

port aux collectes d’analyses de terre (coopératives, chambre d’agri-culture, bureaux d’étude, etc.). La localisation des parcelles de pré-lèvement n’étant pas fiable, ces analyses ont été éliminées.

Descriptif de la base des donnéesLes résultats d’analyses provenant de 617149 échantillons nous

ont été adressés. La majorité des laboratoires (15) ont fourni moinsde 20000 analyses et trois laboratoires dépassent les 50000 ana-lyses en cumul sur les 6 ans (tableau 2). A l’issue de la procédurede validation, 464010 analyses validées ont été stockées dans labase de données. Le taux de rejet, proche de 22 %, est plus impor-tant que celui de la première collecte (12 %). Cette augmentationpeut s’expliquer, d’une part, par le nombre de déterminations four-nies avec une localisation non fiable, et d’autre part, par celui desdéterminations fournies appartenant à une période autre que lapériode 1995-2000 (tableau 3).

Les déterminations archivées sont les suivantes:- la granulométrie,- le pH (eau et KCl),- le calcaire (total et actif),- l’azote total,- le carbone organique (oxydation et combustion),- le phosphore extractible par les méthodes Joret-Hébert, Dyer ouOlsen,- le potassium, le magnésium, le calcium et le sodium échan-geables,- la capacité d’échange cationique (Metson ou Rhiem)- les oligo-éléments (EDTA ou solubles à l’eau)- les éléments traces (Eau régale ou HF).

Toutes ces déterminations ne sont pas systématiquementrenseignées. Les effectifs disponibles varient fortement de l’uneà l’autre (figure 3, tableau 4). De façon similaire à la première col-lecte, les déterminations les plus courantes restent le carbone orga-nique, les cations échangeables (sauf le sodium), le pH eau, lecalcaire total. La mesure de la CEC est devenue plus couranteque celle de l’argile ce qui confirme la diminution progressive du



nombre de déterminations granulométriques, déjà relevée lors dela première collecte.

Les statistiques descriptivesComme le montrent Schvartz et al. (1997), le découpage can-

tonal apparaît le plus adapté pour l’étude de la variabilité spatiale desrésultats à l’échelle nationale. En effet, ce découpage maximise lenombre d’analyses par entité géographique tout en minimisant lavariabilité intra-strate des variables utilisées. D’autre part, en raisonde l’hétérogénéité du jeu de données, des critères non paramétriquesont été privilégiés pour décrire les paramètres (médiane, quartile, déci-le). La cartographie de la médiane est alors utilisée pour indiquer lavaleur centrale de la propriété, celle des quartiles inférieurs et supé-rieurs met en évidence la dispersion des valeurs au sein d’un can-ton.

Ainsi, le regroupement des analyses selon un découpage can-tonal permet de disposer de résultats pour 3451 cantons (soit 96 %de l’ensemble). L’information exploitable (au moins 10 analysespar canton) peut se scinder en 2 groupes: 2800 cantons, soit prèsde 79 % de l’ensemble, sont exploitables pour les déterminationsfaites quasi systématiquement (pH, C, P, K, Ca, Mg) tandis que pourles déterminations moins bien renseignées (Calcaire, granulométrie,oligo-éléments), le nombre de cantons tombe à 1400 (figure 4).

La répartition spatiale des résultats d’analyses est peu homogène,la façade ouest Atlantique étant largement mieux renseignée, lesrégions non agricoles l’étant moins (carte 1). Elle est en effet mar-quée par l’aire d’influence des laboratoires ayant transmis des résul-tats d’analyses. Cependant, la superficie d’un canton n’étant pasconstante, la précision de l’information est mieux rendue par larésolution qui indique la surface théorique correspondant à uneanalyse. Compte tenu de l’origine essentiellement agricole de cesanalyses, la surface prise en considération ici est la SAU du can-ton en 2000 (RGA, 2000). La résolution paraît un peu plus homo-gène que la répartition numérique des analyses par canton (figure5). Elle permet notamment de disposer d’une information sur l’échel-le de représentation d’une cartographie établie à partir d’une telle

Tableau 3 - Répartition des analyses en fonction du motif de rejet(pourcentage par rapport au nombre d’analyse rejetées)Table 3 - Distribution of the analyses according to the reasonfor rejection (percentage compared to the number of analysisrejected)

Absence d’information sur la localisation 11,1 %Localisation non fiable 13,1 %Déterminations manquantes 11,4 %Données hors 1995-2000 31,9 %Sols non agricoles 2,0 %Autres (doublons,…) 0,6%

Tableau 2 - Répartitions des 23 laboratoires selon le nombred’analyses transmisesTable 2 - Repartition of the 23 laboratories according to thenumber of analyses they sent

Nombre total Nombre de d’analyses laboratoires concernésMoins de 10 000 1310 000 – 20 000 520 000 – 50 000 3Plus de 50 000 3

Le croisement avec la carte des sols deFrance au 1/1000 000

La base de données géographiques des sols de France (King

et al., 1994; Jamagne et al. 1995) décrit le territoire par un ensemble

d’Unités Cartographiques de Sols (UCS) composées chacune d’une

base de données. Avec 2400 cantons ayant une résolution supé-rieure à 1 analyse pour 200 ha, c’est 78 % de l’ensemble qui dis-pose d’une résolution compatible avec les indications donnéesdans le cadre du programme IGCS (IGCS, 1991). Il apparaît que larésolution la plus adaptée à un document cartographique établi à par-tir de cette base de données reste le 1/250000.

Corg (2 m

éthodes)

K2O

MG

O

pH eau

CA

O

Calcaire total

P205 Joret-H

ébert

P205 D

yer

CE

C M

etson

Profondeur

pH K

Cl

Calcaire actif

Cuivre (E

DT

A)

Zinc (E

DT

A)

Mn (E

DT

A)

Occupation du sol

CE

C R

hiem

Argile

Azote total

Limons fins

Sables grossiers

Limons grossiers

Sables fins

P205 O

lsen

Bore

NaO

Fer (E

DT

A)

Refus à 2 m

m

Cuivre (eau régal)

Zn (eau régal)

Pb (eau régal)

Cd (eau régal)

Cr (eau régal)

Ni (eau régal)

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%Nombre d’analyses dans la base: 464 196Nombre total de déterminations: 4 700 000

Figure 3 - Résultats disponibles par détermination (exprimés en pourcentage du nombre d’analyses total)Figure 3 - Available results for each elementary determination (in percentage of the number of analyses)

0

200

400

600

800

1000

1200

< 10 10 à 49 50 à 99 100 à 499 500 à 999 <= 1000Nombre d'analyses

Nom

bre

de c

anto

ns

médiane = 61moyenne = 142

Figure 4 - Répartition des cantons selon le nombre d’analyses disponibles (les cantons sans analyse ne sont pas pris en compte).Figure 4 - Repartition of the cantons, according to the number of available analyses (cantons without any analyses are not taken intoconsideration)



ou plusieurs Unités Typologiques de Sols (UTS). Les UCS sontdécrites par des polygones (nombre, emplacements et surfaces) etles UTS (identification, pourcentage de la surface dans l’UCS) quiles constituent. Les UTS sont identifiées par le nom du solum cor-respondant (classification FAO ou Référentiel Pédologique) etquelques informations de base (texture de l’horizon de surface et deprofondeur, pente, régime hydrique, nature du matériau paren-tal…).

Le croisement de la BDAT avec la base de données géographiquea été réalisé selon les étapes décrites dans Schvartz et al. (1998).• intersection en mode vectoriel de la couverture IGN des contoursdes communes françaises (36668 polygones, 163062 points decontrôle) avec la carte pédologique numérisée par l’INRA d’Orléans(3515 polygones, 102000 points de contrôle) ;• analyse des aires relatives aux différents polygones de la carte

Tableau 4 - Variations pour quelques déterminations du nombre decommunes disposant d’au moins 10 analyses (parmi les 36 500communes françaises)Table 4 - Variations according to the determinations, of thenumber of communes with at least 10 results (within the 36500 communes in France)

Déterminations Nombre de communes disposant d'au moins

10 résultatsPotassium échangeable 11 011pH eau 10 530Carbone organique (méthode par oxydation) 10 367CEC (méthode Metson) 5 101Argile 1 625



Figure 5 - Résolution de l’échantillonnage (en fonction de la SAU des cantons (RGA, 2000)).Figure 5 - Sampling density (in function of the « SAU » of the ‘cantons’ (RGA, 2000))

Les statistiques généralesLe tableau 5 fournit une description pour la période 1995-2000

des ordres de grandeur et de la variabilité des déterminations prin-cipales. Ce tableau est organisé en 2 parties: il donne d’abord leseffectifs et les statistiques pour l’ensemble des échantillons, puis four-nit des critères statistiques issus du découpage cantonal pour carac-tériser les variabilités inter et intra-cantonales.

La médiane des interdéciles est plus faible que l’interdécilegénéral pour l’ensemble des déterminations retenues. La différen-ce la plus importante correspond à la CEC puis au carbone orga-nique, indiquant une variabilité intra-cantonale plus forte pour cesparamètres.

Le carbone organique exprimé en g. kg-1

454022 échantillons ont été rassemblés pour la période 1995 –2000 permettant de disposer dans une majorité des situations, deplus de cinquante déterminations par canton. Cependant, le centreet le nord ouest de l’île de France sont peu représentés. Les teneursen carbone organique varient selon une distribution lognormaleavec une médiane de 15,7 ‰, soit environ 27 ‰ de matière orga-nique (tableau 5). L’histogramme des médianes cantonales suitune allure similaire avec néanmoins une dispersion moindre.

La carte 1 permet de discerner différents domaines avec les carac-téristiques suivantes:• Des médianes faibles avec une dispersion faible (l’Aquitaine, lavallée du Rhône, l’alsace, l’Aude). Les teneurs médianes sont infé-rieures à 12 ‰ avec des quartiles inférieurs de l’ordre de 10 etavec des quartiles supérieurs inférieurs à 15 ‰.

pédologique présents au sein d’une commune ;• affectation de chaque analyse de la BDAT au polygone domi-nant au sein de la commune d'origine, dès lors que ce polygonereprésente plus de 90 % de la surface de la commune ;• rattachement de cette analyse à l'UCS correspondant au poly-gone.

Ensuite, pour la texture de l’horizon de surface, l’informationstatistique ainsi acquise peut être confrontée à la texture dominan-te de l’UCS, renseignée par les experts ayant défini le contenusémantique de la base de données géographiques des sols deFrance: cette texture est référée au triangle en 5 classes de laFAO (CEC, 1985).

RÉSULTATSLes résultats s’organisent en 3 parties. Les descriptions statis-

tiques pour quelques déterminations sont fournies pour la période1995-2000 qui correspond à la nouvelle collecte. Dans un deuxiè-me temps, les résultats des 2 collectes (1990-1994 et 1995-2000)ont été rassemblés afin de fournir une description statistique pourdes variables jugées stables dans le temps. Enfin, les résultats ducroisement avec la base de données géographique des sols deFrance au 1/1 000000 sont présentés.

Nouvelle cartographie 1995-2000 des propriétés de l’horizon de surface



Tableau 5 - Statistiques générales de différentes propriétés de l’horizon de surface calculées pour l’ensemble des échantillons et pour lastratification cantonale sur la période 1995- 2000Table 5 - General statistics of various properties of the surface horizon calculated for all the samples and for the ‘cantons’ stratificationover 1995- 2000 period

Ensemble des échantillons Stratification cantonaleEffectif Médiane Quartiles Déciles Type Médianes Inter décile Médiane

de des des desdistribution médianes médianes interdéciles

pH (eau) 454 022 6,6 6 - 7,8 5,6 - 8,2 bimodale 6,9 5,9 – 8,1 1,47(6,15 et 8,05)

Carbone organique en g kg-1 454 022 15,66 11,05 - 22,03 8,14 - 30,74 lognormale 15,2 9,8 – 27,5 12,4(oxydation)phosphore en mg kg-1 224 299 179 107 - 270 61 - 410 lognormale 165 85 - 351 247(méthode joret-Hébert)phosphore en mg kg-1 213 163 266 152 - 419 80 - 604 lognormale 220 98 - 417 305(méthode Dyer)CEC en cmol+ kg-1 207 390 10,27 7,98 - 13,7 6,1 - 18,8 lognormale 10,7 7,15 – 18,2 6,1(méthode Metson)

• Des médianes moyennes avec une dispersion moyenne (lepourtour du Bassin Parisien, l’Ille-et-Vilaine, la Loire-Atlantique,les Deux-Sèvres, le Périgord). Les teneurs médianes sont del’ordre de 15 ‰ avec des quartiles inférieurs de l’ordre de 12 etdes avec quartiles supérieurs inférieurs à 18 ‰.• Des médianes élevées avec une dispersion forte (l’ouest duMassif Armoricain, la Normandie, le nord des Charentes, le MassifCentral, le Jura, les Vosges). Les teneurs médianes sont supé-rieures à 18 ‰ avec des derniers quartiles supérieurs à 24 ‰.

La carte du carbone fait apparaître clairement les grands effetstexturaux, minéralogiques et climatiques (en particulier les fortesteneurs liées aux climats froids (Jura) et/ou aux sols allophaniques(Massif Central). Les effets de quelques grands types d’usage sontégalement très visibles (faibles teneurs dans les zones de grandescultures intensives du bassin parisien, effets des vignes et vergersdans le Bordelais, le Languedoc Roussillon et le sillon rhodanien,teneurs plus élevées en zones bocagères ou à dominante prairia-le). On peut également discerner de fortes teneurs liées à certainssols très calcaires et en règle générale peu profonds (Champagne,groies et terres de Champagne des Charentes). On observe certainesdifférences avec la carte des stocks de C des sols de France pro-duite par Arrouays et al. (2001). Ces différences se situent enChampagne, dans les landes de Gascogne, ainsi que dans le sudde la région PACA. Plusieurs explications peuvent être évoquées:i) la carte des stocks d’Arrouays et al. (2001) prend en compte descalculs statistiques regroupant toutes les occupations du sol,alors que dans notre échantillonnage les sols forestiers sont clai-rement sous-représentés, ainsi que les prairies et pelouses d’al-titude.ii) Les stocks et les teneurs ne sont pas directement compa-rables dans les sols peu épais et dans les sols contenant des élé-ments grossiers.

Le pHLa population totale (454022 échantillons) présente une distri-

bution bimodale avec un premier mode à 6,15 et un second modeà 8,05: les sols agricoles de pH supérieur à 7 représentent 36 % deséchantillons disponibles.

Les cartes présentent des tendances régionales connues en cequi concerne l’ambiance chimique des sols de France (carte 2). Lessols les plus acides sont localisés dans les massifs cristallins, lesLandes et la Sologne. Les grandes zones calcaires se distinguentnettement.

La CEC exprimée en cmol+.kg-1

Avec une population de 207390 déterminations, la nouvelle col-lecte a permis de rassembler près de 30 % de déterminations de laCEC de plus que la première collecte. Cependant, la couverture spa-tiale de la CEC n’est pas exhaustive. Seuls la Bretagne, la Normandie,l’Aquitaine, le nord et l’est de la France sont couverts. La carte dela CEC illustre les grandes tendances texturales, du pH et du car-bone organique des horizons de surface des sols de France: faibles



CEC dans les grands domaines à dominante sableuse (Landes deGascogne, Sologne, Vendée et Loire Atlantique, Bresse), fortesCEC sur les sols limono-argileux à argileux (Lorraine, Beauce, Côted’Or, Jura, sols sur Molasses du Lot et Garonne) (figure 6).

Le phosphore extractible exprimé en mg.kg-1 de P2O5

437462 déterminations du phosphore extractible, mesuré selonles méthodes Dyer ou Joret-Hébert, sont disponibles dans la basede données. Le choix de l’une ou l’autre méthode doit être guidé parle pH du sol (Baize, 2000). Cependant, il semble qu’il soit fixé defaçons légèrement différentes selon les laboratoires (cartes 3 et 4).Il est frappant de remarquer le faible recours à la mesure du phos-phore par la méthode Olsen (figure 2).

Pour les 2 méthodes, les teneurs et les médianes varient dansla population générale selon une distribution lognormale avec uneétendue très grande, de quelques dizaines à quelques milliers demg. kg-1.

En dépit de la variabilité intra-cantonale importante illustrée parla forte dissemblance des cartes des quartiles, les cartes présententnéanmoins de grandes tendances régionales. C’est le cas en par-ticulier des teneurs fortes en zones d’élevage intensif. On peutaussi citer des aspects liés aux histoires régionales du développe-ment agricoles et à la pratique de la fertilisation (Nord-Pas-de-Calais).

Intégration 1990-2000 de données peuvariables dans le temps

Les statistiques générales des propriétés granulométriques sontconsignées dans le tableau 6. Comme pour les statistiques sur lapremière période 1995-2000, les calculs sont effectués pour l’en-semble des échantillons, d’une part, et pour le découpage cantonal,d’autre part.

Les 183505 échantillons disposant d’une teneur en argile ont unestructure spatiale sur une grande distance similaire à celle décritepar Walter et al. (1997) (figure 7). On distingue ainsi 3 groupes derégions. Le premier groupe prépondérant présente des médianescomprises entre 150 et 250 ‰ (le nord, l’ouest, le Limousin, lenord-est du Massif Central, le couloir rhodanien et l’Alsace). Dansce groupe, les quartiles inférieurs sont de l’ordre de 150 ‰ et les quar-tiles supérieurs de 250 à 300 ‰. Le second groupe correspond àdes régions où les médianes sont inférieures à 100 ‰ (Sologne,Landes, Vendée). Enfin, un troisième groupe se distingue par desmédianes élevées proches de 400 ‰.

Une vision synthétique des variations granulométrique est four-nie par la carte des textures (figure 8) selon le triangle GEPPAsimplifié (Baize, 1988). Les deux classes les plus fréquentes sontreprésentées pour chaque canton et la proportion des échantillonsappartenant à la classe modale est donnée. Cette proportion est unindicateur de la variabilité intra-cantonale de la texture. Ces cartesdes textures regroupent les grandes structures observées à l’ana-lyse de la carte de la teneur en argile. Elles présentent surtout de

de 10 analyses: par exemple, 341 polygones et 135 UCS sont ren-seignés par 21794 déterminations de la teneur en argile ou 815 poly-gones et 213 UCS sont renseignés par 151794 déterminations dupH eau.

Le tableau 7 fournit les résultats de la comparaison de la textu-re de surface dominante d’une UCS issue de la base de donnéesgéographique des sols de France à celle apparue modale à partirdes analyses de la BDAT rattachées à cette UCS. Cette comparai-son est possible pour 208 UCS. Pour 46 % de ces dernières, les deuxapproches convergent. Dans les autres cas, les différences pro-viennent surtout de la classe de texture « moyenne ». Celle-ci esten effet plus représentée dans les classes de texture calculées à par-tir de la BDAT. Ainsi, 142 UCS sont données en texture « moyen-ne » à partir de la BDAT contre 88 UCS selon la carte pédologique.Cette dernière semble avoir tendance à redistribuer les textures ausein du triangle texturale de façon plus étendue que l’approchestatistique de la BDAT. Parmi les explications à cette différence, nous

grandes analogies avec la carte des textures de surface dérivée dela carte pédologique au 1/1 000000 de France (Jamagne et al., 1995).

Comparaison avec la carte des sols au 1/1 000000

Le croisement de la carte des contours communaux et de la cartepédologique montre que seulement 36 % des communes ont uneUCS dominante occupant plus de 90 % de leur superficie. La priseen compte de ce seuil de 90 %, choisi pour limiter l’erreur de ratta-chement d’une analyse de terre à un polygone de la carte des sols,conduit ainsi à rejeter 67 % des analyses disponibles dans la BDATpour la période 1995-2000. Ce rattachement a lieu de façon préfé-rentielle dans le cas de polygones de la carte des sols de grandetaille ou de communes de faible superficie. Ainsi, selon les déter-minations, de 10 à 20 % des polygones de la carte pédologique ouencore la moitié des UCS sont renseignés avec un effectif minimal



Figure 6 - Cartes cantonales de la CEC de l’horizon de surface, déterminée par la méthode Metson (AFNOR, 1996).Figure 6 - Maps of the CEC of the topsoil, determined by the Metson method (AFNOR, 1996) : median, lower and upper quartiles forthe ‘cantons’ with more than ten samples



Carte 1 - Cartes cantonales de la teneur en carbone organique de l’horizon de surface.Map 1 - Maps of the organic content of the topsoil : median, lower and upper quartiles for the ‘cantons’ with more than ten samples

Tableau 7 - Tableau de contingence, pour 208 UCS renseignées, de la classe texture (triangle FAO) dominante selon la base de donnéesgéographique des sols de France et de la classe de texture modale selon l’approche statistique.Table 7 - Contingency table of the dominant textures class (FAO classification) according to the soil geographic database of France andthe modal texture class according to the statistical approach calculated for 208 well informed UCS.

Classe de texture Classe de texture dominante au sein de l’UCS selon la carte pédologiquedominante des analyses Grossière Moyenne Moyenne fine Fine Très finede la BDAT rattachées aux UCS Nombre d‘UCS (41) (88) (42) (27) (0)Grossière (11) 6 3 2 0 0Moyenne (142) 32 73 22 14 0Moyenne fine (23) 2 6 11 4 0Fine (23) 1 6 7 9 0Très fine (0) 0 0 0 0 0

mettre au point une procédure codifiée : l’ensemble des étapes,à savoir le recueil des données auprès des laboratoires agréésdans le cadre d’une convention, le contrôle et l’homogénéisationdes résultats d’analyse, leur intégration dans une base de don-nées et l’exploitation statistique des données, sont à présentclairement établies. Ces étapes successives sont mises en œuvrepar trois laboratoires oeuvrant pour le GIS Sol, dont la collaborationpermet une validation croisée des démarches et des résultats obte-nus. Il est intéressant de noter que la France dispose dans cedomaine d’une antériorité certaine par rapport à d’autres pays quiont mis en place une démarche analogue (Skinner et al., 1998 ;Bui E et al., 2003), mais surtout que cette démarche y est parti-culièrement efficace pour deux raisons principales : d’une part, lesprocédures d’agrément des laboratoires, mises en place dès lesannées 1980, permettent aujourd’hui de disposer d’un réseau delaboratoires mettant en œuvre de façon fiable les mêmes méthodesnormalisées, ce qui permet de regrouper leurs données ; d’autre

pouvons évoquer: (1) une exagération possible des contrastes parles experts ayant constitué la base de données géographiques dessols de France, ou bien (2) une répartition différente des textures entrela France entière et les sols cultivés.

DISCUSSION

La procédure de constitution d’une base dedonnées

Les analyses de terre réalisées à la demande des agriculteursdans des laboratoires agréés utilisant les mêmes protocoles ana-lytiques, constituent une source d’information très importante sur lavariabilité spatiale des sols cultivés.

L’expérience acquise dans ce domaine en France à l’issue deplusieurs campagnes de recueil de données, a montré l’intérêt de



Carte 2 - Cartes cantonales du pH de l’horizon de surfaceMap 2 - Maps of the pH of the topsoil : median, lower and upper quartiles for the ‘cantons’ with more than ten samples

part, le nombre d’analyses de terre réalisé paraît relativementimportant si on le ramène à la surface cultivée, même si cette den-sité est très variable d’une région à l’autre.

Les premiers acquis de la campagne 1995-2000Les acquis de la campagne 1995-2000 dont nous présentons ici

les premiers résultats sont principalement de deux ordres:

Une confirmation des acquis de la campagneprécédente (Walter et al., 1997)

La synthèse actuelle révèle les mêmes structures spatiales detrès grande portée de l’ordre de la dizaine à la centaine de kilo-mètres. Certes, l’essentiel des structures spatiales mises en évi-dence était déjà connu à travers les synthèses pédologiquesexistantes, en particulier celles concernant les constituants du sol(granulométrie, pH, CEC, état calcique, teneur en calcaire). Maisles deux synthèses nationales d’analyses de terre actuellement



disponibles permettent pour la première fois une caractérisationquantitative de ces structures, en décrivant non seulement leursvaleurs médianes et moyennes mais également leur variabilitéinterne. Il apparaît remarquable d’aboutir à l’identification detelles structures spatiales par une simple agrégation d’analyseséchantillonnées de façon indépendante, avec des historiques deparcelles vraisemblablement très divers.

Une cartographie plus exhaustive du territoire nationalLes cartographies statistiques de la dernière campagne couvrent

de façon plus complète la France, en particulier dans la régionNormandie, le couloir rhodanien ou encore le sud-est de la France.Cette amélioration est permise d’une part, par une participationplus large des laboratoires qui a permis de disposer de davantaged’analyses (490000 sur la période 1995-2000 contre 300000 sur lapériode précédente), d’autre part, par la possibilité de combiner lesjeux de données de périodes différentes pour des propriétés

Carte 3 - Cartes cantonales du phosphore assimilable de l’horizon de surface, déterminée par la méthode Joret-Hébert (AFNOR, 1996)Map 3 - Maps of the available phosphorus of the topsoil, determined by the Joret-Hébert method (AFNOR, 1996) : median, lower andupper quartiles for the ‘cantons’ with more than ten samples



Carte 4 - Cartes cantonales du phosphore assimilable de l’horizon de surface, déterminée par la méthode Dyer (AFNOR, 1996)Map 4 - Maps of the available phosphorus of the topsoil, determined by the Dyer method (AFNOR, 1996) : median, lower and upperquartiles for the ‘cantons’ with more than ten samples

Tableau 6 - Statistiques générales de différentes propriétés de l’horizon de surface calculées pour l’ensemble des échantillons et pour la stratification cantonale sur la période 1990- 2000. (LF/LG = rapport limons fins sur limons grossiers)Table 6 - General statistics of various properties of the surface horizon calculated for all the samples and for the ‘cantons’ stratificationover 1990- 2000 period. (LF/LG = ration between fine and coarse silt)

Ensemble des échantillons Stratification cantonaleEffectif Médiane Quartiles Déciles Type Médianes Inter décile Médiane

de des des desdistribution médianes médianes interdéciles

Argile (g/kg) 183 505 188 141 - 268,7 102 - 376 unimodal (255) 188 125 - 335 162Limons totaux (g/kg) 163 340 460 327,6 - 609,6 216,9 - 721,9 bimodal 474 299 - 686 274

(420 et 617)Sables totaux (g/kg) 149 858 288 143 - 486,6 74 - 658,6 - 239 88 - 528LF/LG 163 340 1,1 0,69 - 1,64 0,52 - 2,37 - 1,13 0,57 – 2,12 0,97

pérennes: les cartes des fractions granulométriques ont en particulierbénéficié de cette association des jeux de données.

Les limites d’une base de données d’analyse de terreUne base de données d’analyse de terre présente des limites qu’il

est utile de rappeler et qui justifient le fait qu’il s’agit principalementd’un outil complémentaire d’autres programmes de cartographie etde surveillance des sols:• en premier lieu, seuls des horizons de surface sont caractériséset de plus uniquement par des analyses agronomiques, dontl’objectif est d’évaluer l’aptitude des sols à assurer la nutrition miné-rale des plantes. L’utilisation de ces données dans une optiquede caractérisation globale des sols est donc difficile ; par ailleurs,il n’est pas possible d’évaluer des stocks totaux d’éléments dansles sols, ce qui serait plus intéressant dans une optique environ-nementale que l’estimation des stocks d’éléments assimilables parles plantes. En particulier, la prise en compte des données d’ana-lyse de terre pour évaluer les risques liés à l’accumulation d’élé-



ments traces dans les sols présente un faible intérêt (Baize,1997)• ensuite, il est difficile de croiser la BDAT avec d’autres documentscartographiques. La comparaison avec la carte pédologique au1/000000 de la France a montré la difficulté d’affecter des don-nées statistiques de la BDAT à des unités cartographiques de lacarte pédologique. La raison est liée aux effets du croisement géo-métrique des contours des communes avec ceux de la cartepédologique : pour limiter les risques de mauvaise allocationd’une analyse à une unité cartographique, on est amené à reje-ter une proportion très grande, de l’ordre de 60 %, des analysesdisponibles. Deux voies sont envisageables pour lever cette dif-ficulté méthodologique: (i) assurer un meilleur positionnement géo-graphique des analyses de terre, ce qui est techniquement envi-sageable, mais peut heurter la garantie d’anonymat du demandeurinitial de l’analyse ; (ii) utiliser l’information contenue dans l’ana-lyse de terre proprement dite pour rattacher celle-ci à une unitécartographique.

Figure 7 - Cartes cantonales de la teneur en argile de l’horizon de surfaceFigure 7 - Maps of the clay content : median, lower and upper quartiles for the ‘cantons’ with more than ten samples

l’échantillonnage entre les deux périodes, il est possible de réa-liser des comparaisons statistiques pour déceler ou non des évo-lutions (Walter, 1995). Néanmoins, les variations temporellessont nettement plus faibles que les variations spatiales, d’un ouplusieurs ordres de grandeur : à titre d’exemple, la différencedes teneurs moyennes en matière organique par commune variede 0,1 et 0,5 % entre deux périodes alors qu’à une date donnée,des différences de 0,1 et 6 % s’observent d’une commune àl’autre. L’évolution temporelle est de ce fait plus difficile à carac-tériser et sa quantification par des bases de données d’analysede terre doit être conduite avec prudence en raison des biais pos-sibles, liés surtout à la non-maîtrise de l’échantillonnage. Seul undispositif analogue au Réseau de Mesure de la Qualité des Sols(Arrouays et al., 2003), permet des estimations non biaisées desévolutions temporelles. La BDAT peut venir en support d’un tel

Cet exemple souligne également les risques d’erreur associésà la démarche inverse couramment pratiquée, à savoir le transfertdes informations de cartes pédologiques existantes vers d’autresbases géographiques fondées en particulier sur des découpagesadministratifs, des limites de bassin versant…• la comparaison temporelle des résultats de différentes cam-pagnes doit être faite avec précaution. Il est tentant d’analyser lesévolutions temporelles des propriétés des sols en comparantdes jeux de données disponibles à différentes périodes. Ce typede comparaison a rarement été réalisé et on peut dire que l’évo-lution des propriétés des sols au cours des 40 dernières années,que l’on sait pourtant très importante, en particulier sur le plan chi-mique (Coppenet et al., 1993), est très peu documentée (Cheverry,1994). En faisant l’hypothèse d’une distribution aléatoire deséchantillons au sein des communes et d’une indépendance de



Figure 8 - Cartes cantonales de la texture de l’horizon de surface selon le triangle GEPPA simplifié (BAIZE, 1988) : texture modale,fréquence de la texture modale, classe de texture de rang secondFigure 8 - Maps of the surface texture according to simplified GEPPA triangle (Baize, 1988) : modal class of texture, frequency of themodal class, second class.

réseau, grâce à ses effectifs très importants d’analyse qui don-nent une robustesse aux analyses statistiques, pour confirmer destendances d’évolution.

Les perspectives de développement

La mise à disposition de l’informationLes statistiques cantonales vont être mises librement à disposi-

tion en utilisant les nouveaux outils d’interrogation de bases dedonnées adaptés à internet. L’expérience précédente a montré qu’ilexistait une forte demande pour des données cartographiques dece type, en particulier en raison de l’image exhaustive du territoirenationale qui est fournie. Il s’agit souvent de demandes éducatives,mais également dans l’optique d’alimenter des modèles (par exemplede risques de transfert de pesticides) ou de procéder à des éva-luations nationales (par exemple estimer les besoins en amende-ments organiques) (Roussel et al., 2001) ou évaluer les superficiesde sols inaptes aux épandages de boues de station d’épuration(Thorette et Schvartz, 2001)

L’identification des déterminantsL’agrégation de données fortement variables au sein d’une base

de données dont le découpage relativement grossier repose sur deslimites administratives, aurait pu conduire à des cartes en patchwork,peu structurées. L’existence de grandes tendances régionales estdonc à noter, car elle traduit le poids de grands facteurs sur les pro-priétés du sol : (i) la géologie: par exemple, les sols développés surdes formations jurassiques apparaissent très différents pour denombreuses propriétés; (ii) le climat : dont le rôle semble importantdans les cartes de matière organique; (iii) les grands types de sys-tèmes de production, perceptibles dans les cartes de teneur en élé-ments fertilisants, en matière organique. Une étude des relations spa-tiales entre les structures observées dans la BDAT et cesdéterminants probables est entreprise.

CONCLUSIONLes synthèses d’analyses de terre permettent d'étudier la varia-

bilité spatiale des propriétés des sols fortement modifiées par l’ac-tivité humaine, ce que ne permettent pas les démarches pédologiquesclassiques.

La démarche adoptée consiste, par voie d’enquête et à moindresfrais, à compiler de nombreux résultats analytiques datés et locali-sés, qui permettent d’obtenir une vision globale de l’ensemble d’unterritoire et de dégager des tendances. Elle vient en complément dedémarches expérimentales ou de programmes de cartographie etde surveillance, mieux à même de caractériser les sols dans leur glo-balité et de déceler leurs évolutions.

Il faut donc limiter l’apport de cette approche à une descriptionquantitative des variations de l’horizon de surface sur des surfacestrès importantes, ce qui est déjà un acquis très important et ouvrela voie à une meilleure prise en compte de la variabilité des sols dans



toutes les démarches d’évaluation des risques environnementaux,impliquant ou concernant les sols.

REMERCIEMENTSLe programme BDAT est financé par le Groupement d’Intérêt

Scientifique Sol (MAAPAR, MEDD, ADEME, IFEN, INRA). Nous remercionsl’ensemble des laboratoires qui ont bien voulu participer à ce pro-gramme en fournissant les données: SAA, LCA, LDA 22, LACO, AGRI-LABO, COOPAGRI 29, Europe Sols, LCA, LDA 35, LDA 37, LDA 41, CANA,IDAC, LDA 45, LANO, CAMA, CAM, LVD, LDA 56, INRA ARRAS, CACG,SADEF, LDA 71, LARCA 72, EDE 87.

BIBLIOGRAPHIEArrouays D., Deslais W., Badeau V., 2001 - The carbon content of topsoil and its geo-

graphical distribution in France. Soil Use and Management 17(1): pp. 7-11.Arrouays D., Jolivet Cl., Boulonne L., Bodineau G., Ratié C., Saby N., Grolleau

E., 2003 - Le réseau de Mesures de la Qualité des Sols (RMQS) de France.Etude et Gestion des Sols, vol. 10 (4). pp. 241-250

Bui EN, Moran CJ, Henderson BL., 2003 - Synthesis studies : how to make themost of existing soil data. Australian Soil and Land Survey Handbook -Guidelines for Conducting Surveys. Eds AJ Ringrose-Voase, NJ McKenzieand M Grundy, CSIRO Publishing, Melbourne.

Baize D., 2000 - Guide des analyses en pédologie. INRA ed., Paris, 257 pages.Baize D. 1997 - Teneurs totales en éléments traces métalliques dans les sols

(France). Références et stratégies d'interprétation. INRA Éditions, Paris. 410pages.

Cheverry C., 1994 - La dégradation chimique des sols en Bretagne. Etude et ges-tion des sols, vol. 1, pp. 7-21.

Coppenet M., Golven J., Simon J.C., Le Corre L, Le Roy M., 1993 - Evolution chi-mique des sols en exploitations d’élevage intensif : exemple du Finistère.Agronomie, 13, pp. 77-83.

Leleux A., Aurousseau P. et Roudaut A., 1988 - Synthèse cartographique régio-nale à partir de données d’analyses de terre. Science du Sol, vol. 26 n1.

Roussel O., Bourmeau E., Walter Ch., 2001 - Evaluation du déficit en matière orga-nique des sols français et des besoins potentiels en amendements orga-niques. Etude et Gestion des Sols, vol. 8, pp. 65-81.

Schvartz Ch. (1989) - Exploitation cartographique d'un fichier d'analyses deterres agricoles. Science du Sol, vol. 27, pp.93-96.

Schvartz C., Walter C., Claudot B., Bouédo Th., Aurousseau P., 1997 - Synthèsenationale des analyses de terre réalisées entre 1990 et 1994 I. constitutiond'une banque de données cantonale. Etude et Gestion des Sols, vol. 4, pp.194-204.

Skinner R.J., Todd A.D., 1998 - Twenty-five years of monitoring pH and nutrimentsstatus of soils in England and Wales. Soil Use and Management. 14,pp.162-169.

Thorette J., Schvartz C.,.2001 - L’épandage des boues d’épuration urbaine et lessols agricoles. Les données de l’Environnement. 63, 4 pages.

Walter C., Bouedo T., Aurousseau P., 1995 - Cartographie communale desteneurs en matière organique des sols bretons et analyse de leur évolutiontemporelle de 1980 à 1995. Rapport final. Conseil Régional de Bretagne -Agence Loire-Bretagne, 31 p.

Walter C., Schvartz C., Claudot B., Bouedo T., Aurousseau P., 1997 - Synthèsenationale des analyses de terre réalisées entre 1990 et 1994 II. descriptionsstatistique et cartographique de la variabilité des horizons de surface dessols cultivés. Etude et Gestion des Sols, vol. 4, pp. 205-220.


254

235 base de données des analyses de terre - afes · summary the french national soil-test...

Documents